版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、長沙理工大學(xué)碩士學(xué)位論文基于粗糙集與支持向量機(jī)的入侵檢測研究姓名：扶宗文申請學(xué)位級別：碩士專業(yè)：通信與信息系統(tǒng)指導(dǎo)教師：王鍵傅明20100301ABSTRACTTheobjectiveofthisthesisisanintrusiondetectionsystembasedonthecombinationofroughsetandSVMtoimprovethedetectionaccuracyrateoftheintrusiondete
2、ction，reducethefalsealarmrateandomissionrateoftheintrusiondetectionAndthefollowingaspectsarestudied：First，itintroducestheconceptandsignificanceoftheintrusiondetectionsystemThenitintroducesseveralnewmethodsofintrusiondete
3、ction，analysetheexistingproblemsoftheintrusiondetectionsystemandmakeaprospectonthedevelopmentdirectionofintrusiondetectiontechnologySecond，itmakes11$eoftheknowledgeoftheroughsettheoryonthecharacteristicsattributereductio
4、n，andthenapplyroughsettheoryonsimplifyingthetrainingsampledatasettoanalysethechangerelationshipbetweenattributereductionandtheincreasingofobjectsetThird，itappliesSVMinintrusiondetection，samplingthesmallsampledata，reduces
5、thesizeoftrainingdata，andappliesincrementallearninginSVMtoreducetheoccupationofstoragespaceandreducesthetimeoffollow—uptrainingFourth，analgorithmofincrementalabsoluteattributereductionisrecommended，itappliesincrementalle
6、arninginintrutiondetection，theselflearningandselfadaptabilityandrobustnessofthesystemisgreatlyimproved，theexperimentsindicatesthatthisreductionalgorithmstrikinglyimprovestheefficiencyFifth，anewmethodofintrusiondetectionb
7、asedonthecombinationofroughsetandonlineSVMisbroughtforwardRecordsofthecharacteristicsofthenetworkconnectionforhigh—dimension，usingthemethodofroughsetattributereductiontocompressdataspace，itreducesthesizeofthedataprocessi
8、ngunderthepromiseofusefulinformationisnotlostWhenittrainsthedatabyonlineSVM，itabandonsthetraditionalmethodofneedinghighqualitysamplesontheassumption，itusesthemethodofupdatingreal_timesamplesforrealtimedataclassificationt
9、rainingandtestingTheexperimentindicatesthatthismethodcanreducethecostoftimeandmaketheextractionrulewithrealtime，inlinewiththerequirementsoftherealityofworkKeywords：IntrusionDetecion；RoughSet；SupportVectorMachine；Incremen
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粗糙集與支持向量機(jī)的入侵檢測研究.pdf
- 基于粗糙集和支持向量機(jī)的網(wǎng)絡(luò)入侵檢測研究.pdf
- 基于粗糙集與支持向量機(jī)的票房預(yù)測研究.pdf
- 基于粗糙集的支持向量機(jī)及應(yīng)用研究.pdf
- 基于粗糙集與支持向量機(jī)的Web文本分類.pdf
- 基于粗糙集樣例約簡的支持向量機(jī).pdf
- 基于粗糙集與支持向量機(jī)的儲層參數(shù)預(yù)測.pdf
- 基于粗糙集和支持向量機(jī)的多值分類算法.pdf
- 基于粗糙集與支持向量機(jī)的電力短期負(fù)荷預(yù)測研究.pdf
- 基于粗糙集和支持向量機(jī)的人臉識別.pdf
- 基于粗糙集—支持向量機(jī)的個人信用評估.pdf
- 基于粗糙集的入侵檢測方法研究.pdf
- 結(jié)合粗糙集的支持向量機(jī)研究及應(yīng)用.pdf
- 基于粗糙集與支持向量機(jī)的心電信號分類研究.pdf
- 基于粗糙集理論與支持向量機(jī)的數(shù)據(jù)挖掘方法算法研究.pdf
- 基于粗糙集和支持向量機(jī)的故障診斷方法研究.pdf
- 基于粗糙集的入侵檢測模型的研究.pdf
- 基于粗糙集理論和支持向量機(jī)的短期負(fù)荷預(yù)測研究.pdf
- 基于粗糙集和支持向量機(jī)的文本分類方法研究.pdf
- 基于粗糙集與支持向量機(jī)的變壓器故障診斷研究.pdf
評論
0/150
提交評論